| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 图清单 | 第9-11页 |
| 表清单 | 第11-12页 |
| 1 绪论 | 第12-20页 |
| ·性别识别的研究现状 | 第12-14页 |
| ·性别识别的发展历史 | 第12-13页 |
| ·性别识别的不足 | 第13-14页 |
| ·语种辨识的研究现状 | 第14-18页 |
| ·语种辨识及方言识别的发展历史 | 第14-17页 |
| ·汉语方言识别的不足 | 第17-18页 |
| ·研究的主要内容 | 第18页 |
| ·本论文的内容安排 | 第18-20页 |
| 2 多示例学习算法综述 | 第20-30页 |
| ·引言 | 第20页 |
| ·多示例学习的概念 | 第20-24页 |
| ·问题的提出 | 第20-22页 |
| ·多示例学习的意义 | 第22-23页 |
| ·多示例学习与传统学习框架的区别 | 第23-24页 |
| ·多示例学习的理论与算法研究 | 第24-28页 |
| ·轴-平行矩形算法 | 第24-25页 |
| ·Citation-kNN 算法 | 第25-27页 |
| ·DD 算法 | 第27-28页 |
| ·EM-DD 算法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 3 多示例包的设计 | 第30-40页 |
| ·引言 | 第30页 |
| ·语音活动检测 | 第30-33页 |
| ·短时能量（Short-term Energy STE） | 第30-31页 |
| ·短时过零率（Zero Cross Rate ZCR） | 第31页 |
| ·子带谱熵(Band-partitioning Spectral Entropy BSE) | 第31-32页 |
| ·基于统计模型 | 第32-33页 |
| ·特征包元素的选取 | 第33-38页 |
| ·线性预测倒谱系数(LPCC) | 第35页 |
| ·梅尔倒谱系数(MFCC) | 第35-36页 |
| ·一阶差分与二阶差分倒谱特征 | 第36-37页 |
| ·转移差分倒谱特征(SDC) | 第37-38页 |
| ·包生成原则 | 第38-39页 |
| ·小结 | 第39-40页 |
| 4 时变多示例学习算法原理 | 第40-46页 |
| ·引言 | 第40页 |
| ·算法设计 | 第40-42页 |
| ·语音模型及分类器设计 | 第42-45页 |
| ·小结 | 第45-46页 |
| 5 系统实验仿真与分析 | 第46-56页 |
| ·引言 | 第46页 |
| ·性别识别系统 | 第46-51页 |
| ·实验所用数据库 | 第46-48页 |
| ·仿真实验系统参数及选择 | 第48-49页 |
| ·特征包的参数对系统识别率的影响 | 第49-50页 |
| ·不同的声学特征对识别率的影响 | 第50-51页 |
| ·方言辨识系统 | 第51-53页 |
| ·实验所用数据库 | 第51-52页 |
| ·仿真实验系统参数及选择 | 第52-53页 |
| ·特征包的参数对系统识别率的影响 | 第53-54页 |
| ·不同的声学特征对识别率的影响 | 第54-55页 |
| ·小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| ·本文主要工作 | 第56-57页 |
| ·今后工作的展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 汉语方言数据库的录音文本 | 第64-68页 |
| 作者简历 | 第68-72页 |
| 学位论文数据集 | 第72页 |
